[发明专利]一种血糖预测方法、装置、终端和存储介质

说明书

本发明实施例公开了一种血糖预测方法、装置、服务器和存储介质，其中，血糖预测方法包括：基于目标患者的输入血糖训练数据和输出血糖训练数据，对初始化的支持向量回归模型进行第一模型训练，以确定支持向量回归模型所使用的核函数和支持向量回归模型进行滚动预测时采用的目标窗口取值；基于目标窗口取值，对采用核函数的支持向量回归模型进行第二模型训练，以确定核函数中核参数的取值，将第二模型训练后得到的支持向量回归模型作为目标支持向量回归模型；利用目标支持向量回归模型和目标窗口取值，对目标患者的血糖进行滚动预测。本发明实施例的技术方案提高了血糖预测的准确性，同时还增加了血糖预测的时长。

技术领域

本发明实施例涉及计算机数据挖掘技术领域，尤其涉及一种血糖预测方法、装置、终端和存储介质。

背景技术

对于糖尿病患者而言，血糖水平偏离正常范围可导致严重的短期或长期的并发症，严重时还可能导致死亡。因此，对连续血糖值的预测在临床应用方面有重大意义。

现有的用于血糖预测的方法主要包括时间序列分析、神经网络模型、卡尔曼滤波预测等，但上述方法的预测准确度以及预测时长均有待提高。例如：首先利用卡尔曼滤波进行去噪，然后再利用自适应AR模型进行血糖预测的方法，由于AR模型注重用于预测血糖值的一系列数据的平均值，使得其在血糖值快速变化时反应较为迟钝。此外，AR模型对连续血糖的预测时长最长只有半小时。而神经网络在训练过程中容易陷入局部最优解，往往不能得到全局最优解。且神经网络中的参数设置在数学方面缺乏严格的证明，解释性较弱。此外，也有利用支持向量回归机进行血糖预测的方法，但是该方法针对不同的数据集，往往在选取恰当的参数时存在困难。

发明内容

本发明提供一种血糖预测方法、装置、终端和存储介质，提高了血糖预测的准确性，同时还增加了血糖预测的时长。

第一方面，本发明实施例提供了一种血糖预测方法，所述方法包括：

基于目标患者的输入血糖训练数据和输出血糖训练数据，对初始化的支持向量回归模型进行第一模型训练，以确定支持向量回归模型所使用的核函数和支持向量回归模型进行滚动预测时采用的目标窗口取值；

基于所述目标窗口取值，对采用所述核函数的支持向量回归模型进行第二模型训练，以确定所述核函数中核参数的取值，将第二模型训练后得到的支持向量回归模型作为目标支持向量回归模型；

利用所述目标支持向量回归模型和所述目标窗口取值，对所述目标患者的血糖进行滚动预测。

第二方面，本发明实施例还提供了一种血糖预测装置，所述装置包括：

核函数与窗口取值确定模块，用于基于目标患者的输入血糖训练数据和输出血糖训练数据，对初始化的支持向量回归模型进行第一模型训练，以确定支持向量回归模型所使用的核函数和支持向量回归模型进行滚动预测时采用的目标窗口取值；

目标支持向量回归模型确定模块，基于所述目标窗口取值，对采用所述核函数的支持向量回归模型进行第二模型训练，以确定所述核函数中核参数的取值，将第二模型训练后得到的支持向量回归模型作为目标支持向量回归模型；

滚动预测模块，用于利用所述目标支持向量回归模型和所述目标窗口取值，对所述目标患者的血糖进行滚动预测。

第三方面，本发明实施例还提供了一种血糖预测终端，所述终端包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述的血糖预测方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例任一所述的血糖预测方法。